环境科学  2014, Vol. 35 Issue (9): 3605-3611   PDF    
引用本文
梁丹, 王彬, 王云琦, 张会兰, 杨松楠, 李昂. 北京市典型绿化灌木阻滞吸附PM2.5能力研究[J]. 环境科学, 2014, 35(9): 3605-3611.
LIANG Dan, WANG Bin, WANG Yun-qi, ZHANG Hui-lan, YANG Song-nan, LI Ang. Ability of Typical Greenery Shrubs of Beijing to Adsorb and Arrest PM2.5[J]. Environmental Science, 2014, 35(9): 3605-3611.
北京市典型绿化灌木阻滞吸附PM2.5能力研究
梁丹, 王彬 , 王云琦, 张会兰, 杨松楠, 李昂    
北京林业大学水土保持学院, 北京 100083
收稿日期: 2013-12-10; 修订日期: 2014-2-24.
基金项目： 林业公益性行业科研专项（20130430103）
作者简介：梁丹（1992~），女，硕士研究生，主要研究方向为水土保持，E-mail：liangdanbjfu@163.com
通讯联系人,王彬,E-mail: wangbin1836@bjfu.edu.cn
摘要：选取北京市典型绿化灌木物种大叶黄杨、小叶黄杨、紫叶小檗、矮紫杉，结合气室模拟与实地观测的方法，综合测定不同树种对 PM2.5的吸附能力. 同时，收集2012年12月~2013年5月间北京市区PM2.5浓度值，分析了北京市冬春季PM2.5污染特征. 结果表明，由气室实验得到的4种植物对PM2.5阻滞吸附能力排序为：紫叶小檗>小叶黄杨>矮紫衫>大叶黄杨，其原因主要为叶片特征差异所致；室外测量结果表明，4种物种吸附能力排序为：小叶黄杨>紫叶小檗>矮紫衫>大叶黄杨. 气室模拟与室外实测结果均表明，小叶黄杨和紫叶小檗具有较强的阻滞吸附PM2.5的能力；气室模拟与室外观测实验中植物阻滞吸附PM2.5能力的大小略有差异，其原因应与植物结构相关. 同时，通过分析北京市PM2.5浓度的季节性变化，发现北京市冬季的PM2.5浓度值尤为高，且常绿灌木植物仍能表现出较好的阻滞吸附PM2.5的能力.
关键词： 灌木树种     PM2.5     气室模拟     样地监测     北京冬季    
Ability of Typical Greenery Shrubs of Beijing to Adsorb and Arrest PM2.5
LIANG Dan, WANG Bin , WANG Yun-qi, ZHANG Hui-lan, YANG Song-nan, LI Ang    
College of Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China
Abstract: Four typical types of green shrubs of Beijing (Euonymus japonicus, Buxus microphylla, Berberis thunbergii cv. atropurpurea, Taxus cuspidate cv. nana) were selected to study their capacities in adsorbing and arresting PM2.5 using both field observations and air chamber simulations. Concurrently, in order to analyze the pollution characteristics of Beijing in winter and spring, the PM2.5 concentrations of December 2012 to May 2013 were collected. Experimental results showed that: From the gas chamber experiments, the ability to adsorb and arrest PM2.5 was in the order of Berberis thunbergii cv. atropurpurea>Buxus microphylla>Taxus cuspidate cv. nana>Euonymus japonicus, mainly due to the differences in leaf characteristics; Outside measurement results showed that the ability to adsorb and arrest PM2.5 was ranked as Buxus microphylla>Berberis thunbergii cv. atropurpurea>Taxus cuspidate cv. nana>Euonymus japonicus. Chamber simulation and outdoor observation showed that Buxus microphylla and Berberis thunbergii cv. atropurpurea had strong ability to adsorb and arrest PM2.5; Meanwhile, the slight differences between the chamber simulation and outdoor observation results might be related to plant structure. Compared to tree species, the planting condition of shrub species was loose,and it greened quickly; By analyzing the Beijing PM2.5 concentration values in winter and spring, it was found that the PM2.5 concentration was particularly high in the winter of Beijing, and evergreen shrubs maintained the ability to adsorb and arrest PM2.5.
Key words: shrub species     PM2.5     gas chamber simulation     plot monitoring     Beijing winter    

PM2.5是城市大气中重要的污染物之一，它对人体健康、 能见度和气候变化等方面的危害已被国内外学者证实[1, 2, 3]. PM2.5本身有毒或者携带有毒物质，能穿透人体呼吸道的防御结构(如鼻腔中的鼻纤毛等毛发状结构)进入人体内部,对人体健康造成伤害[4]. 美国EPA进行的两项前瞻性研究结果表明，心肺疾病死亡率的上升与大气PM2.5浓度增高有很高的相关性[5]，短期高浓度PM2.5对人群健康有较大影响[6]. 同时，PM2.5的质量浓度与能见度呈负相关关系，高浓度的PM2.5含量会对城市交通和生活造成困扰[7]. 自工业革命以来，人类活动产生的硫酸盐、 有机物和烟尘等气溶胶不仅造成空气污染，而且对气候变化造成影响[8]. PM2.5等气溶胶颗粒物主要通过改变气温和降水模式来改变气候. Fang等[9]的研究表明，PM2.5对全球变暖有一定贡献. 因此，降低空气中PM2.5浓度对公众生活和健康有着重要意义. PM2.5很难在重力作用下沉降[10]，它会长时间停留在大气中，对空气造成污染. 植被叶表面一般有一定的湿润度和粗糙度，比较适合PM2.5捕获. 同时，植被的蒸腾作用可以增加空气湿度，降低空气温度，利于良好气象条件的形成. 目前，国内外的研究者先后展开了大量关于PM2.5的研究，在其成分组成、 来源、 动态变化等方面取得了较为丰富的成果[11, 12, 13]. 植物在一定程度上可对PM2.5起到阻滞吸附作用，但是阻滞吸附的过程是一个复杂的动态变化的过程，植被对PM2.5的影响和沉降机制的研究尚处起步阶段.

研究植物对PM2.5的阻滞吸附的方法主要有模型和气室模拟两种. Nowak等[14]利用模型对美国10个城市中树木的PM2.5年阻滞吸附进行了计算，结果得出10个城市中树木对PM2.5的年移除量为4.7~64.5 t，说明城市植物起着重要的净化PM2.5的作用. 用模型来研究植物对PM2.5的作用能估算出植物的年滞尘量，对于城市造林绿化目标有着重要导向作用，但由于没有针对性，不能对植物阻滞吸附PM2.5的能力进行有效筛选. 吴志萍等[15]探究了6种城市绿地环境下空气PM2.5浓度的变化规律，研究表明有乔木的绿地在春、 秋、 冬季空气中PM2.5浓度较低，夏季较高，而草坪覆被条件下，空气中的PM2.5浓度在夏季较低. 目前国内对树木种间沉降PM2.5的能力差异鲜有研究，方颖等[16]和余曼等[17]指出，不同类型树木间的阻滞吸附颗粒物的差异较大，其中灌木植物阻滞吸附能力最大，常绿乔木次之，落叶乔木最小. Hwang等[18]通过气室模拟实验，研究了日本赤松、 东北红豆杉、 美国梧桐、 榉树和银杏这5种乔木树种阻滞吸附PM2.5的能力大小，发现叶表面有明显主脉和细密绒毛的树木拦截PM2.5能力较强，这一研究实现了植物阻滞吸附PM2.5过程的室内模拟，但实验中PM2.5由氮气和乙炔燃烧产生，与自然界中的PM2.5成分存在很大差异，且局限于植物叶片，植物不仅能通过叶片还能通过枝干表面有效地阻滞吸附大气颗粒物[19,20].

随着城市化和工业化的快速发展，PM2.5已成为北京市首要的大气污染物之一. 在2013年1月，北京市雾霾天气为26 d，占该月总天数的87%，是1954年以来同期雾霾天气最多的一年，这一现象引起了国内对PM2.5的广泛关注[21]，北京市PM2.5污染治理刻不容缓. 城市绿化树种有净化城市空气和阻滞吸附PM2.5的作用[22]. 为此，笔者在总结国内外许多研究方法的基础上，结合气室模拟实验和室外观测实验，选取了大叶黄杨、 小叶黄杨、 矮紫杉、 紫叶小檗等4种典型绿化灌木植物，测定了在相同外界条件影响下4种植物阻滞吸附PM2.5的能力，分析出这4种绿化灌木植物种中阻滞吸附PM2.5能力较强的植物种； 并利用北京市2012年10月~2013年5月的PM2.5浓度值，分析北京市冬春季节PM2.5污染状况，说明灌木树种中的常绿灌木树种在北京市绿地建设中的重要意义. 1 材料与方法 1.1 气室模拟实验 1.1.1 气室模拟装置

本研究基于总量平衡原理和数学微积分原理，采用自制的气室模拟装置进行实验. 该装置主要由3部分组成(见图 1). 装置主体构架是用耐火耐高温塑料制成，3个气室的规格是400 mm×400 mm×400 mm的正方体，鼓风机是用小型风扇改装，所有管道为PVC管，管直径为25 mm.

图 1 室内气室模拟示意 Fig. 1 Simulation diagram of indoor air chamber

该系统中，A为吸收室，吸收室底部固定一块大小合适的花泡沫，花泡沫全用不透膜包上. 测量时，供插植物枝条所用； B为储气室，用于气体的混合，抽风机功率较小，它对气流的影响在沉积室B中几乎完全消减，进入A中的气流状态近似自然紊流态. 从颗粒物发生器中出来的气体，经过扩散进入管道中，经过管道进入混合室进行混合； C为颗粒物发生室(颗粒物发生装置)，在此装置中备置需要用于实验测量的颗粒物，本实验中直接燃烧蜡烛、 煤炭和香烟的混合物产生PM2.5. 1.1.2 典型树种的选择

选择北京市广泛应用的4种灌木绿化树种大叶黄杨、 小叶黄杨、 紫叶小檗、 矮紫衫进行实验. 北京市内植被物种丰富，大叶黄杨，小叶黄杨，紫叶小檗是北京市地区最常见的灌木绿化树种[23]. 王赞红等[24]和李瑞雪等[25]对石家庄市区的大叶黄杨进行了研究，结果表明大叶黄杨的强滞尘能力是城市近地面层环境中清除颗粒物污染的重要机制. 矮紫衫是北京市重要的珍贵园林绿化树种，它生长过程中释放的气体有杀菌和净化空气的作用. 4种树种的形态特征见表 1.

表 1 4种绿化灌木树种的形态特征 Table 1 Morphological characteristic of the four kinds of greenery shrubs
1.1.3 实验方法与步骤

一般认为所有的滞尘能够通过降水将尘埃颗粒洗出叶表，15 mL 的水量即可以冲洗掉植物叶片附着的尘埃颗粒,使植物重新滞尘[26]. 分别采集选取的4个样地(见表 2)的大叶黄杨、 小叶黄杨、 紫叶小檗、 矮紫杉枝条，其大小基本相同，生长状况与部位基本一致，将采集的枝条带回实验室，用足量的蒸馏水对叶片和枝干进行清洗，洗净后擦干.

表 2 4个样地及其周围环境特征 Table 2 Characteristics of the four plots

根据北京市PM2.5的主要组成物质及来源百分比[27]，用蜡烛、 燃煤、 香烟以质量比为10 ∶20 ∶1的比例配置燃料，将其分为等量的若干份，装入袋中，室温保存. 一次室内实验设5次气室实验，分1次无植物空白对照组，4次不同植物对PM2.5的阻滞吸附能力测量实验，用植物单位面积吸附量表示其阻滞吸附能力大小. 放入植物之前，向气室通入燃烧配置燃料产生的气体10 min，让通气管上吸附的PM2.5达到饱和. 燃烧等量燃料，连续向密闭气室中鼓风，每1 min测量一次进气口和出气口的PM2.5浓度(采用英国Turnkey Instruments公司生产的Dust mate 粉尘检测仪)，连续测量10次. 图 1中抽风机流量为0.75 m3 ·min-1，测量10 min流过沉积室的气体总体积为7.50 m3. 实验结束后再测量2次进出口浓度值，以确保实验中植物叶片阻滞吸附PM2.5的量未达到饱和，以此减少实验误差. 重复此实验5次. 1.1.4 数据处理 本研究测定PM2.5的吸附总量及单位面积吸附量用以比较植物对PM2.5的吸附能力大小. 其中，叶面积的计算采用称重法. 实验完成后，将4种植物枝条上的叶片用剪刀小心剪下，装入牛皮纸中，从4种植物叶片中随机抽取10片. 用铅笔将叶片轮廓描在坐标纸上，数出轮廓中的方格数，算出10片叶片的表面积，用万分之一天平称量10片叶片质量. 则植物总叶面积S1用以下公式计算：

S1=(M ·S)/m

式中，M为植物叶片总重，m为10片叶片重量，s为10片叶片表面积

把枝条看作圆柱体，枝条表面积计算公式：

S2=πd/2+π·d·h

式中,d为枝条的底面直径，πd/2为圆柱的上下底面积之和，h为枝条长.

将每种植物进出口PM2.5浓度值的所有数据点描在“时间-浓度”坐标上，用数学积分法算出平均浓度. 单位面积植物吸附PM2.5量A计算公式如下：

A=(ρ1·V-ρ2·V)/(S1+S2)

式中,ρ1是对照组气体PM2.5平均浓度，ρ2是空白组气体PM2.5平均浓度； V为气体总体积. 1.2 室外观测与数据来源 1.2.1 室外PM2.5浓度观测方法

在北京林业大学周边选取4个样地，样地面积及其周围特征见表 2，在每个样地内部均匀的设3个检测点. 每周选取1 d非雨雪天气，采用英国Turnkey Instruments公司生产的Dust mate 粉尘检测仪，分别测量每个检测点距地面垂直高度0.20 m处样地内部PM2.5浓度值，并测量大气中距地面0.20 m处PM2.5浓度值作为参考值，1 min记1次数，每次测量10 min. 1.2.2 北京市PM2.5污染浓度数据来源

本研究所用数据从“全国城市空气质量实时发布平台”获取，包括北京市海淀区(海淀区万柳)、 朝阳区(奥体中心)、 西城区(官园)和东城区(天坛)这4个检测点从2012年12月~2013年5月的PM2.5浓度日均值. 4个检测点有典型代表性，基本能代表北京市区的PM2.5污染情况，北京市PM2.5浓度日均值用4个检测点的日均值表示. 2 结果与分析 2.1 植物叶片特征对其阻滞吸附PM2.5能力的影响

利用气室模拟实验数据，绘制柱状图对比并分析4种典型绿化灌木植物单位面积阻滞吸附PM2.5的量的差异，如图 2所示. 从中可知，5次实验中植物单位面积吸附PM2.5的量的顺序均为紫叶小檗>小叶黄杨>矮紫杉>大叶黄杨. 计算气室模拟实验数据累积总量及每种植物种阻滞吸附PM2.5的量的平均值(图 3). 小叶黄杨、 紫叶小檗、 矮紫杉和大叶黄杨平均单位面积吸附PM2.5的量分别为1.67、 2.41、 1.51、 0.91 μg ·cm-2，可见大叶黄杨阻滞吸附PM2.5能力最小. 这与王赞红等[24]得出的大叶黄杨有很强的滞尘能力的结果不符，这可能与大叶黄杨滞尘的粒径较大以及大叶黄杨叶面积丰富有关. 4种植物的总表面积累计值及平均值见图 4，大叶黄杨的总表面积累积值最大，其他3种物种相差不大. 植物对PM2.5的阻滞吸附能力大小与叶表面粗糙度有关，叶表面越粗糙，颗粒物吸附能力越强[28]. 进一步地，短而密的绒毛利于滞尘，长而稀疏的绒毛有时候不利于滞尘[29]. 贾彦等[30]采用显微图像分析对7种绿化植物叶片滞尘能力进行了测定，发现叶表有沟状组织和气孔且气孔排列无序的植物滞尘能力比较强. 王建辉等[31]对植物单位叶片面积的滞尘量进行了研究，发现叶表有褶皱时滞尘能力较强，叶片光滑或有蜡质时滞尘能力相对较弱. 大叶黄杨叶片蜡质且光滑，因此大叶黄杨单位面积阻滞吸附PM2.5的量最小； 同时发现，清晨紫叶小檗叶表面湿润，有黏性物质，靠植物叶表面特殊的分泌物沾粘降尘的效果最为稳定[22],利于PM2.5的阻滞吸附.

图 2 室内实验中4种植物阻滞吸附PM2.5量的比较 Fig. 2 Comparison of the PM2.5 amount that the four plants arrested in the indoor trails

1、 2、 3、 4、 5分别代表第1、 2、 3、 4、 5次实验，下同 图 3 植物吸附PM2.5累积量与平均单位面积吸附量 Fig. 3 Cumulative amount of PM2.5that arrested by plants and the amount of PM2.5 that arrested by per unit area

图 4 5次实验植物总面积累计值与平均值 Fig. 4 Total area of every test plant and the average value in the five tests

2.2 植被结构对其阻滞吸附PM2.5能力的影响

一般直接测量不同样地PM2.5浓度值的差异用以表征不同样地净化PM2.5能力差异[15]，这可能会因样地局部的颗粒物浓度差异及气流影响造成较大的实验误差. 本研究用样地外的大气PM2.5浓度值与样地内部3个监测点PM2.5浓度均值之差表征该物种吸附细颗粒能力的大小，称这个差值为净化系数，避免了因样地颗粒物浓度差异和气流影响造成的误差，具有一定的可信度. 取20组数据净化系数的平均值，以柱状图表示在图 5中. 紫叶小檗和小叶黄杨净化系数为正值； 大叶黄杨和矮紫杉净化系数为负值. 一般认为，植物群内PM2.5平均浓度明显低于植物群外时，体现了该植物种的滞尘效应[32]，这表明紫叶小檗和小叶黄杨对PM2.5的阻滞吸附效应较强，而大叶黄杨和矮紫衫对PM2.5的阻滞吸附作用较弱. 4种灌木群阻滞吸附PM2.5能力的顺序为小叶黄杨>紫叶小檗>矮紫衫>大叶黄杨. 室内实验结果与室外实验结果并不完全一致，这可能与植被的结构有关. Beckett等[33]和Lovett等[34]的研究表明，植物树冠结构、 枝叶密度对大气颗粒物的阻滞能力存在很大影响. 4种典型绿化灌木树种的枝条形态特征如图 6. 大叶黄杨叶片集中在枝条上部，且修剪严重，因此大叶黄杨的滞尘能力较低； 小叶黄杨枝叶密集且分布均匀，树形结构紧密，能有效的降低风速，并能减少叶片上阻滞吸附的PM2.5被再次吹起； 紫叶小檗枝条细长，叶片均匀分布在枝条上，但其树形呈伞形，上部枝条密集，下部稀疏，虽其单位面积阻滞吸附PM2.5的量比小叶黄杨多，但其整株植物阻滞吸附PM2.5的能力较小叶黄杨弱； 矮紫杉枝条和叶片均较丰富，但其阻滞吸附PM2.5能力最弱，这可能与其叶片结构有关.

图 5 室外实验净化系数均值 Fig. 5 Mean value of purification coefficient in the outdoor experiment

图 6 4种典型绿化树种枝条形态 Fig. 6 Photos of the branch shapes of the four typical green shrubs

2.3 常绿灌木树种在北京市绿地建设中的意义 2.3.1 北京市大气PM2.5冬季污染情况

北京市的冬季为采暖期，采暖燃烧源对细颗粒物PM2.5的贡献较大，沙尘天气则对粗颗粒物的贡献较大. 利用北京市2012年12月~2013年5月的每日PM2.5浓度均值计算每月PM2.5浓度均值，表示在图 7中.

图 7 北京市2012年12月~2013年5月平均PM2.5浓度大小比较 Fig. 7 Comparison of the monthly average PM2.5 concentration of Beijing in 2012-12-2013-05

从中数据可知，北京市2012年12月~2013年5月，PM2.5浓度的月均值居高不下，在1月达到最大值173.00 μg ·m-3，1月也是集中供暖的高峰期. 北京市冬季的PM2.5浓度值比春季的PM2.5浓度值要高(见图 8)，北京市冬季的PM2.5平均浓度值已严重超过了标准. 杨复沫等[35]对北京市四季PM2.5浓度值进行了观测，也发现除冬季较高之外，可能是由于冬季采暖燃煤增多造成的，在其他季节PM2.5平均浓度没有明显变化，北京市PM2.5呈现出冬季达到峰值的特征.

图 8 北京市2012年12月~2013年5月PM2.5浓度值箱线图 Fig. 8 Box plots of PM2.5 concentration of Beijing in 2012-12-2013-05

2.3.2 常绿灌木植物在北京市绿地建设中的作用

大叶黄杨、 小叶黄杨和矮紫衫是北京市典型绿化灌木树种中的常绿树种，在北京市冬季景观绿地建设中有重要作用. 王雷等[36]对北京市6种针叶树叶面附着颗粒物的理化特性进行了研究，结果表明，由于受地面扬尘影响,低矮叶片比高处叶片的颗粒物附着密度大，这说明灌木植物对PM2.5阻滞吸收有一定的位置优势. 高大的乔木主要阻滞吸附空气中的降尘和飘尘，而灌木主要阻滞吸附地面扬尘. 在北京冬季,燃煤取暖导致PM2.5排放量增多，且由于温度较低，空气混合层高度下降，PM2.5浓度增加，而阔叶树种都已落叶，其叶片滞尘能力变为零，只有针叶树种和常绿灌木树种起到主要的滞尘作用，季静等[37]提出常绿植物在冬季能持续发挥吸附PM2.5的作用. 因此，大叶黄杨、 小叶黄杨、 矮紫杉等常绿灌木树种在冬季发挥着很大的阻滞吸附PM2.5的作用. 3 结论

(1)气室模拟实验中4种绿化灌木树种单位叶面积阻滞吸附PM2.5能力排序为：紫叶小檗>小叶黄杨>矮紫衫>大叶黄杨. 其原因应与植物叶片形态特征有关. 室外实验中4种绿化灌木树种阻滞吸附PM2.5能力排序为：小叶黄杨>紫叶小檗>矮紫衫>大叶黄杨. 其原因应与植被结构有关.

(2)综合室内外实验结果，阻滞吸附PM2.5能力较强的绿化灌木植被为小叶黄杨和紫叶小檗.

(3)在冬季北京市PM2.5浓度达到峰值，大叶黄杨、 小叶黄杨和矮紫杉是北京市典型绿化灌木树种中的常绿树种，对北京市冬季景观绿地建设和空气质量改善有着重要的作用.

参考文献
[1] 吴兑, 刘啟汉, 梁延刚, 等. 粤港细粒子(PM2.5)污染导致能见度下降与灰霾天气形成的研究[J]. 环境科学学报, 2012, 32 (11): 2660-2669.
[2] 董凤鸣, 莫运政, 李国星, 等. 大气颗粒物(PM10/PM2.5)与人群循环系统疾病死亡关系的病例交叉研究[J]. 北京大学学报(医学版), 2013, 45 (3): 398-404.
[3] 陈薪. PM2.5——力掀环境革命 促进绿色发展——专访国家应对气候变化战略研究和国际合作中心主任李俊峰[J]. 低碳世界, 2012, 11 (3): 22-25.
[4] 徐映如, 王丹侠, 张建文, 等. PM10和 PM2. 5危害、治理及标准体系的概况[J]. 职业与健康, 2013, 29 (1): 117-119.
[5] 戴海夏, 宋伟民. 大气PM2.5的健康影响 [J]. 国外医学: 卫生学分册, 2001, 28 (5): 299-303.
[6] 谢元博, 陈娟, 李巍. 雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估[J]. 环境科学, 2014, 35 (1): 1-8.
[7] 宋明, 韩素芹, 张敏, 等. 天津大气能见度与相对湿度和PM10及PM2.5的关系[J]. 气象与环境学报, 2013, 29 (2): 34-41.
[8] 师华定, 高庆先, 张时煌, 等. 空气污染对气候变化影响与反馈的研究评述[J]. 环境科学研究, 2012, 25 (9): 974-980.
[9] Fang Y Y, Fiore A M. Using synthetic tracers as a proxy for summertime PM2.5 air quality over the Northeastern United States in physical climate models [J]. Geophysical Research Letters, 2013, 40 (10): 755-760.
[10] 赵晨曦, 王玉杰, 王云琦, 等. 细颗粒物(PM2.5)与植被关系的研究综述[J]. 生态学杂志, 2013, 32 (8): 2203-2210.
[11] Dan M, Zhuang G S, Li X X, et al. The characteristics of carbonaceous species and their sources in PM2.5 in Beijing [J]. Atmospheric Environment, 2004, 38 (3): 3443-3452.
[12] Li X R, Wang Y S, Guo X Q, et al. Seasonal variation and source apportionment of organic and inorganic compounds in PM2.5 and PM10 particulates in Beijing, China[J]. Journal of Environmental Sciences, 2013, 25 (4): 741-750.
[13] Sandeep P, Saradhi I, Pandit G. Seasonal variation of black carbon in fine particulate matter (PM2.5) at the tropical coastal city of Mumbai, India [J]. Bulletin of Environmental Contamination and Toxicology, 2013, 91 (5): 605-610.
[14] Nowak D J, Hirabayashi S, Bodine A, et al. Modeled PM2.5removal by trees in Ten U. S. Cities and associated health effects [J]. Environmental Pollution, 2013, 178 (8): 395-402.
[15] 吴志萍, 王成, 侯晓静, 等. 6种城市绿地空气PM2.5浓度变化规律的研究[J]. 安徽农业大学学报, 2008, 35 (4): 494-498.
[16] 方颖, 张金池, 王玉华. 南京市主要绿化树种对大气固体悬浮物净化能力及规律研究[J]. 生态与农村环境学报, 2007, 23 (2): 36-40.
[17] 余曼, 汪正祥, 雷耘, 等. 武汉市主要绿化树种滞尘效应研究[J]. 环境工程学报, 2009, 3 (7): 1333-1339.
[18] Hwang H J, Yook S J, Ahn K H. Experimental investigation of submicron and ultrafine soot particle removal by tree leaves [J]. Atmospheric Environment, 2011, 45 (38): 6987-6994.
[19] 王蕾, 刘连友, 王志, 等. 北京市园林植物吸附PM10与SO2 总量及其健康效益[J]. 环境科学与技术, 2006, 29 (9): 1-3.
[20] 丁宇, 李贵才, 路旭, 等. 空间异质性及绿色空间对大气污染的削减效应——以大珠江三角洲为例[J]. 地理科学进展, 2011, 30 (11): 1415-1421.
[21] 王秦, 陈曦, 何公理, 等. 北京市城区冬季雾霾天气PM2.5中元素特征研究[J]. 光谱学与光谱分析, 2013, 33 (6): 1441-1445.
[22] 郭伟, 申屠雅瑾, 郑述强, 等. 城市绿地滞尘作用机理和规律的研究进展[J]. 生态环境学报, 2010, 26 (6): 146-1470.
[23] 孟雪松, 欧阳志云, 崔国发, 等. 北京城市生态系统植物种类构成及其分布特征[J]. 生态学报, 2004, 24 (10): 2200-2206.
[24] 王赞红, 李纪标. 城市街道常绿灌木植物叶片滞尘能力及滞尘颗粒物形态[J]. 生态环境, 2006, 15 (2): 327-330.
[25] 李瑞雪, 张明军, 张永芳. 石家庄大叶黄杨叶片滞尘量及滞尘颗粒物的粒度[J]. 城市环境与城市生态, 2009, 22 (1): 15-19.
[26] 柴一新, 祝宁, 韩焕金. 城市绿化树种的滞尘效应——以哈尔滨市为例[J]. 应用生态学报, 2002, 13 (9): 1121-1126.
[27] 朱先磊, 张远航, 曾立民, 等. 北京市大气细颗粒物 PM2.5 的来源研究[J]. 环境科学研究, 2005, 18 (5): 1-5.
[28] 杨洪斌, 邹旭东, 汪宏宇, 等. 关于大气环境中PM2.5的研究进展与展望[J]. 气象与环境学报, 2012, 28 (3): 77-82.
[29] Wang H X, Shi H, Li Y Y. Relationships between leaf surface characteristics and dust-capturing capability of urban greening plant species[J]. The Journal of Applied Ecology, 2010, 21 (12): 3077-3082.
[30] 贾彦, 吴超, 董春芳, 等. 7种绿化植物滞尘的微观测定[J]. 中南大学学报(自然科学版), 2012, 43 (11): 2362-2366.
[31] 王建辉, 刘奕清, 邹敏. 永川城区主要绿化植物的滞尘效应[J]. 环境工程学报, 2013, 7 (3): 1079-1084.
[32] 古琳, 王成, 王晓磊, 等. 无锡惠山三种城市游憩林内细颗粒物PM2.5浓度变化特征[J]. 应用生态学报, 2013, 24 (9): 2485-2493.
[33] Beckett K P, Freer-Smith P H, Taylor G. The capture of particulate pollution by trees at five contrasting urban sites [J]. Arboricultural Journal, 2000, 24 (2-3): 209-230.
[34] Lovett G M, Lindberg S E. Concentration and deposition of particles and vapors in a vertical profile through a forest canopy [J]. Atmosphere Environment, 1992, 26 (8): 1469-1476.
[35] 杨复沫, 贺克斌, 马永亮, 等. 北京大气PM2.5中微量元素的浓度变化特征与来源[J]. 环境科学, 2003, 24 (6): 34-37.
[36] 王蕾, 哈斯, 刘连友, 等. 北京市六种针叶树叶面附着颗粒物的理化特征[J]. 应用生态学报, 2007, 18 (3): 487-492.
[37] 季静, 王罡, 杜希龙, 等. 京津冀地区植物对灰霾空气中 PM2.5等细颗粒物吸附能力分析[J]. 中国科学: 生命科学, 2013, 43 (8): 694-699.